 |
 |
|---|
1 VÉRIFICATION ET VALIDATION RCBA - DONNÉES D’HABITAT
Environnement et changement climatique Canada
Analyse réalisée le 2018-02-21 12:05:15
Ce document est un carnet de note écrit en Markdown R. Lorsque vous éxécuter le code intégré au carnet, les résulats apparaitront sous le code correspondant.
Ce rapport présente les résultats de la vérification et la validation des données biologiques pour le projet TestFr.
Dans cette analyse, le jeu de descripteurs biologiques sera vérifié pour répondre à la question suivante :
- Les données biologiques correspondent-elles bien à ce qui a été observé sur le terrain ?
Ce document est un carnet de notes R Markdown. Pour obtenir les résultats de la vérification et la validation des données, exécutez les commandes contenues dans ce carnet de notes. Pour ce faire, positionnez votre curseur à l’intérieur d’une boîte de commandes et cliquez sur la flèche verte à la droite de celle-ci nommée Run Current Chunk ou appuyez sur les touches Ctrl+Maj+Entrée (Cmd-Maj+Entrée sur macOS) de votre clavier. Répétez pour chaque boîte de commandes. À mesure que les commandes contenues dans ce carnet seront exécutées, les résultats apparaîtront sous chacune des commandes correspondantes dans la présente fenêtre. Une fois toutes les commandes exécutées, cliquez sur le bouton Preview en haut à gauche de la présente fenêtre ou appuyer sur les touches Ctrl+Maj+K. Une nouvelle fenêtre apparaîtra et contiendra le rapport de ces résultats de la vérification et la validation des données générales RCBA.
1.1 Prérequis
1.2 Statistiques descriptives
Le fichier de données contient 448 visites (lignes) et 51 taxons (colonnes).
Le tableau suivant présente une partie des données du fichier.
Lecture des données biologiques
Examinez les points suivants :
- Le fichier semble-t’il avoir été lu correctement?
- Des colonnes sont-elles manquantes?
Liste des visites présentes dans les données biologiques (ID provenant de la base de données RCBA) :
17215, 17216, 17217, 18368, 18375, 18364, 18493, 18495, 18496, 18758, 18759, 18760, 18546, 18548, 18549, 19013, 19017, 19018, 16962, 16965, 16966, 17363, 17364, 17365, 18839, 18841, 18845, 17492, 17493, 17494, 21911, 21925, 21926, 18328, 18329, 18330, 19971, 20219, 18632, 20220, 18628, 18630, 18631, 17496, 17497, 17498, 18889, 18890, 18892, 20302, 20303, 20304, 18663, 18664, 18665, 16863, 18796, 18798, 18799, 19070, 19072, 19082, 18718, 18723, 18724, 17241, 17248, 17253, 18693, 18826, 19044, 17272, 17273, 17274, 18787, 18790, 18791, 17522, 17568, 17573, 17436, 17437, 17438, 18378, 18449, 18459, 24059, 17450, 17456, 17461, 18747, 18748, 18750, 18730, 18732, 18734, 16913, 16914, 16919, 18300, 18301, 18302, 18499, 18498, 18497, 16921, 16922, 16923, 18296, 18298, 18299, 16849, 16853, 16854, 17412, 17413, 17418, 18545, 18735, 18736, 18667, 18678, 18692, 18666, 18681, 18682, 17502, 17565, 17570, 18622, 18623, 18624, 18821, 18823, 18824, 19037, 19042, 19043, 18542, 18543, 18544, 17443, 17444, 18901, 18903, 18904, 21846, 21850, 21854, 19045, 19046, 19048, 18331, 18332, 18333, 19038, 19040, 19041, 19069, 19073, 19084, 18757, 18830, 18832, 18610, 18611, 18616, 17472, 17476, 17477, 19086, 19087, 19088, 18891, 18893, 18899, 18753, 18777, 18780, 17463, 17465, 17466, 18828, 18829, 18894, 18803, 18805, 18806, 17488, 17490, 17491, 17569, 17575, 17578, 18922, 18977, 18996, 18923, 18927, 18929, 18482, 18483, 18484, 19015, 19016, 19014, 16934, 16935, 16936, 28210, 28212, 28213, 29505, 29506, 29507, 19033, 19035, 19036, 19075, 19077, 19078, 18475, 18479, 18480, 18453, 18454, 18455, 19094, 19096, 19098, 16907, 16908, 16911, 18661, 18662, 18782, 18743, 18770, 18774, 18711, 18716, 18717, 16867, 16868, 16866, 18695, 18696, 18766, 18655, 18658, 18659, 18763, 18768, 18769, 18520, 18524, 18525, 17483, 17487, 17489, 18772, 18773, 18775, 16945, 16961, 16967, 18644, 18669, 18677, 16834, 18310, 16833, 16832, 18843, 18844, 18846, 18701, 18702, 18703, 18687, 18689, 18691, 18800, 18801, 18802, 18519, 18522, 18523, 18372, 18373, 18374, 18647, 18648, 18649, 18618, 18619, 18620, 18476, 18477, 18478, 19002, 19049, 19011, 28315, 28316, 28317, 18785, 18786, 18789, 21909, 19089, 19090, 19091, 16852, 16858, 16859, 17591, 17597, 18450, 18451, 18452, 18868, 18895, 18896, 19101, 16898, 16903, 16900, 16893, 16991, 16992, 18674, 18676, 18679, 20305, 20307, 20308, 18719, 18720, 18721, 19547, 19548, 18456, 18457, 18458, 18468, 18469, 18470, 18461, 18463, 18464, 19079, 19080, 19083, 18781, 18850, 18851, 18783, 18835, 18842, 18994, 19001, 19004, 18836, 18837, 18838, 18516, 18538, 18541, 19071, 19076, 19093, 16839, 16840, 16844, 17471, 17475, 17478, 16841, 16843, 16845, 17479, 17481, 17482, 16860, 16861, 16862, 18722, 18725, 18726, 17571, 17572, 17574, 21967, 21973, 21975, 19064, 19067, 19092, 17126, 17132, 17133, 18937, 18938, 18939, 18807, 18361, 18362, 18363, 19068, 19074, 19085, 16927, 16928, 16929, 16836, 16837, 16838, 18792, 18793, 18795, 16924, 16925, 16926, 17390, 17393, 17394, 16905, 16915, 16916, 18365, 18366, 18367, 18303, 18305, 18306, 26032, 26033, 26036, 18737, 18740, 18741, 21950, 21963, 21977, 18756, 18761, 18762
- La liste ci-haut correspond-t’elle avec le tableau suivant qui présente les visites présentes dans l’un ou l’autre des fichiers de données du projet TestFr?
| Site | SampleDate | SampleNumber | |
|---|---|---|---|
| 17215 | AA06221 | 2008-09-30 | 1 |
| 17216 | AA06222 | 2008-09-29 | 1 |
| 17217 | AA06223 | 2008-09-28 | 1 |
| 18368 | AA09211 | 2008-09-30 | 1 |
| 18375 | AA09212 | 2008-09-29 | 1 |
| 18364 | AA09213 | 2008-09-28 | 1 |
| 18493 | AB02061 | 2008-09-30 | 1 |
| 18495 | AB02062 | 2008-09-29 | 1 |
| 18496 | AB02063 | 2008-09-28 | 1 |
| 18758 | AB05291 | 2008-09-30 | 1 |
| 18759 | AB05292 | 2008-09-29 | 1 |
| 18760 | AB05293 | 2008-09-28 | 1 |
| 18546 | AC09201 | 2008-09-30 | 1 |
| 18548 | AC09202 | 2008-09-29 | 1 |
| 18549 | AC09203 | 2008-09-28 | 1 |
| 19013 | AG03041 | 2008-09-30 | 1 |
| 19017 | AG03042 | 2008-09-29 | 1 |
| 19018 | AG03043 | 2008-09-28 | 1 |
| 16962 | AJ08031 | 2008-09-30 | 1 |
| 16965 | AJ08032 | 2008-09-29 | 1 |
| 16966 | AJ08033 | 2008-09-28 | 1 |
| 17363 | AKN04261 | 2008-09-30 | 1 |
| 17364 | AKN04262 | 2008-09-29 | 1 |
| 17365 | AKN04263 | 2008-09-28 | 1 |
| 18839 | AM05271 | 2008-09-30 | 1 |
| 18841 | AM05272 | 2008-09-29 | 1 |
| 18845 | AM05273 | 2008-09-28 | 1 |
| 17492 | AMI05221 | 2008-09-30 | 1 |
| 17493 | AMI05222 | 2008-09-29 | 1 |
| 17494 | AMI05223 | 2008-09-28 | 1 |
| 21911 | AP04131 | 2008-09-30 | 1 |
| 21925 | AP04132 | 2008-09-29 | 1 |
| 21926 | AP04133 | 2009-09-28 | 1 |
| 18328 | AP04181 | 2008-09-30 | 1 |
| 18329 | AP04182 | 2008-09-29 | 1 |
| 18330 | AP04183 | 2008-09-28 | 1 |
| 19971 | AR092808 | 2008-09-28 | 1 |
| 20219 | AR092908 | 2008-09-29 | 1 |
| 18632 | AR09292 | 2008-09-29 | 1 |
| 20220 | AR093008 | 2008-09-30 | 1 |
| 18628 | AS09051 | 2008-09-30 | 1 |
| 18630 | AS09052 | 2008-09-29 | 1 |
| 18631 | AS09053 | 2008-09-28 | 1 |
| 17496 | AS09191 | 2008-09-30 | 1 |
| 17497 | AS09192 | 2008-09-29 | 1 |
| 17498 | AS09193 | 2008-09-28 | 1 |
| 18889 | AT05101 | 2008-09-30 | 1 |
| 18890 | AT05102 | 2008-09-29 | 1 |
| 18892 | AT05103 | 2008-09-28 | 1 |
| 20302 | BH12261 | 2008-09-30 | 1 |
| 20303 | BH12262 | 2008-09-29 | 1 |
| 20304 | BH12263 | 2008-09-28 | 1 |
| 18663 | BL110801 | 2008-09-30 | 1 |
| 18664 | BL110802 | 2008-09-29 | 1 |
| 18665 | BL110803 | 2008-09-28 | 1 |
| 16863 | BR06231 | 2008-09-30 | 1 |
| 18796 | BS07281 | 2008-09-30 | 1 |
| 18798 | BS07282 | 2008-09-29 | 1 |
| 18799 | BS07283 | 2008-09-28 | 1 |
| 19070 | BT11071 | 2008-09-30 | 1 |
| 19072 | BT11072 | 2008-09-29 | 1 |
| 19082 | BT11073 | 2008-09-28 | 1 |
| 18718 | BW09191 | 2008-09-30 | 1 |
| 18723 | BW09192 | 2008-09-29 | 1 |
| 18724 | BW09193 | 2008-09-28 | 1 |
| 17241 | BW10111 | 2008-09-30 | 1 |
| 17248 | BW10112 | 2008-09-29 | 1 |
| 17253 | BW10113 | 2008-09-28 | 1 |
| 18693 | BY05231 | 2008-09-30 | 1 |
| 18826 | BY05232 | 2008-09-29 | 1 |
| 19044 | BY05233 | 2008-09-28 | 1 |
| 17272 | CD01231 | 2008-09-30 | 1 |
| 17273 | CD01232 | 2008-09-29 | 1 |
| 17274 | CD01233 | 2008-09-28 | 1 |
| 18787 | CD08121 | 2008-09-30 | 1 |
| 18790 | CD08122 | 2008-09-29 | 1 |
| 18791 | CD08123 | 2008-09-28 | 1 |
| 17522 | CD10141 | 2008-09-29 | 1 |
| 17568 | CD10142 | 2008-09-29 | 1 |
| 17573 | CD10143 | 2008-09-28 | 1 |
| 17436 | CD10161 | 2008-09-30 | 1 |
| 17437 | CD10162 | 2008-09-29 | 1 |
| 17438 | CD10163 | 2008-09-28 | 1 |
| 18378 | CG03161 | 2008-09-30 | 1 |
| 18449 | CG03162 | 2008-09-29 | 1 |
| 18459 | CG03163 | 2008-09-28 | 1 |
| 24059 | CG08121 | 2008-09-30 | 1 |
| 17450 | CH04191 | 2008-09-30 | 1 |
| 17456 | CH04192 | 2008-09-29 | 1 |
| 17461 | CH04193 | 2008-09-28 | 1 |
| 18747 | CJ9271 | 2008-09-30 | 1 |
| 18748 | CJ9272 | 2008-09-29 | 1 |
| 18750 | CJ9273 | 2008-09-28 | 1 |
| 18730 | CM05221 | 2008-09-30 | 1 |
| 18732 | CM05222 | 2008-09-29 | 1 |
| 18734 | CM05223 | 2008-09-28 | 1 |
| 16913 | CM10301 | 2008-09-30 | 1 |
| 16914 | CM10302 | 2008-09-29 | 1 |
| 16919 | CM10303 | 2008-09-28 | 1 |
| 18300 | CMH04191 | 2008-09-30 | 1 |
| 18301 | CMH04192 | 2008-09-29 | 1 |
| 18302 | CMH04193 | 2008-09-28 | 1 |
| 18499 | CN09021 | 2008-09-30 | 1 |
| 18498 | CN09022 | 2008-09-29 | 1 |
| 18497 | CN09023 | 2008-09-28 | 1 |
| 16921 | CO04141 | 2008-09-30 | 1 |
| 16922 | CO04142 | 2008-09-29 | 1 |
| 16923 | CO04143 | 2008-09-28 | 1 |
| 18296 | CS08311 | 2008-09-30 | 1 |
| 18298 | CS08312 | 2008-09-29 | 1 |
| 18299 | CS08313 | 2008-09-28 | 1 |
| 16849 | CT11041 | 2008-09-30 | 1 |
| 16853 | CT11042 | 2008-09-29 | 1 |
| 16854 | CT11043 | 2008-09-28 | 1 |
| 17412 | DE06091 | 2008-09-30 | 1 |
| 17413 | DE06092 | 2008-09-29 | 1 |
| 17418 | DE06093 | 2008-09-28 | 1 |
| 18545 | DJ0906101 | 2008-09-30 | 1 |
| 18735 | DJ09062 | 2008-09-29 | 1 |
| 18736 | DJ09063 | 2008-09-28 | 1 |
| 18667 | DM04041 | 2008-09-30 | 1 |
| 18678 | Dm04042 | 2008-09-29 | 1 |
| 18692 | DM04043 | 2008-09-28 | 1 |
| 18666 | DR06151 | 2008-09-30 | 1 |
| 18681 | DR06152 | 2008-09-29 | 1 |
| 18682 | DR06153 | 2008-09-28 | 1 |
| 17502 | DS06121 | 2008-09-30 | 1 |
| 17565 | DS06122 | 2008-09-29 | 1 |
| 17570 | DS06123 | 2008-09-28 | 1 |
| 18622 | DT06091 | 2008-09-30 | 1 |
| 18623 | DT06092 | 2008-09-29 | 1 |
| 18624 | DT06093 | 2008-09-28 | 1 |
| 18821 | DW01311 | 2008-09-30 | 1 |
| 18823 | DW01312 | 2008-09-29 | 1 |
| 18824 | DW01313 | 2008-09-28 | 1 |
| 19037 | EE06181 | 2008-09-30 | 1 |
| 19042 | EE06182 | 2008-09-29 | 1 |
| 19043 | EE06183 | 2008-09-28 | 1 |
| 18542 | EJ12211 | 2008-09-30 | 1 |
| 18543 | EJ12212 | 2008-09-29 | 1 |
| 18544 | EJ12213 | 2008-09-28 | 1 |
| 17443 | EK07041 | 2008-09-30 | 1 |
| 17444 | EK07042 | 2008-09-29 | 1 |
| 18901 | ER07011 | 2008-09-30 | 1 |
| 18903 | ER07012 | 2008-09-29 | 1 |
| 18904 | ER07013 | 2008-09-28 | 1 |
| 21846 | ES06091 | 2008-09-30 | 1 |
| 21850 | ES06092 | 2008-09-29 | 1 |
| 21854 | ES06093 | 2008-09-28 | 1 |
| 19045 | ES11131 | 2008-09-30 | 1 |
| 19046 | ES11132 | 2008-09-29 | 1 |
| 19048 | ES11133 | 2008-09-28 | 1 |
| 18331 | EW03271 | 2008-09-30 | 1 |
| 18332 | EW03272 | 2008-09-29 | 1 |
| 18333 | EW03273 | 2008-09-28 | 1 |
| 19038 | GH03161 | 2008-09-30 | 1 |
| 19040 | GH03162 | 2008-09-29 | 1 |
| 19041 | GH03163 | 2008-09-28 | 1 |
| 19069 | GL05231 | 2008-09-30 | 1 |
| 19073 | GL05232 | 2008-09-29 | 1 |
| 19084 | GL05233 | 2008-09-28 | 1 |
| 18757 | HK09283 | 2008-09-30 | 1 |
| 18830 | HK09292 | 2008-09-29 | 1 |
| 18832 | HK09301 | 2008-09-30 | 1 |
| 18610 | HM02271 | 2008-09-30 | 1 |
| 18611 | HM02272 | 2008-09-29 | 1 |
| 18616 | HM02273 | 2008-09-28 | 1 |
| 17472 | JB09271 | 2008-09-30 | 1 |
| 17476 | JB09272 | 2008-09-29 | 1 |
| 17477 | JB09273 | 2008-09-28 | 1 |
| 19086 | JB12071 | 2008-09-30 | 1 |
| 19087 | JB12072 | 2008-09-29 | 1 |
| 19088 | JB12073 | 2008-09-28 | 1 |
| 18891 | JB12251 | 2008-09-30 | 1 |
| 18893 | JB12252 | 2008-09-29 | 1 |
| 18899 | JB12253 | 2008-09-28 | 1 |
| 18753 | JC051401 | 2008-09-30 | 1 |
| 18777 | JC051402 | 2008-09-29 | 1 |
| 18780 | JC051403 | 2008-09-28 | 1 |
| 17463 | JD03231 | 2008-09-30 | 1 |
| 17465 | JD03232 | 2008-09-29 | 1 |
| 17466 | JD03233 | 2008-09-28 | 1 |
| 18828 | JD10191 | 2008-09-30 | 1 |
| 18829 | JD10192 | 2008-09-29 | 1 |
| 18894 | JD10193 | 2008-09-28 | 1 |
| 18803 | JJ03271 | 2008-09-30 | 1 |
| 18805 | JJ03272 | 2008-09-29 | 1 |
| 18806 | JJ03273 | 2008-09-28 | 1 |
| 17488 | JJ06301 | 2008-09-30 | 1 |
| 17490 | JJ06302 | 2008-09-29 | 1 |
| 17491 | JJ06303 | 2008-09-28 | 1 |
| 17569 | JL02061 | 2008-09-30 | 1 |
| 17575 | JL02062 | 2008-09-29 | 1 |
| 17578 | JL02063 | 2008-09-28 | 1 |
| 18922 | JL09091 | 2008-09-30 | 1 |
| 18977 | JL09092 | 2008-09-29 | 1 |
| 18996 | JL09093 | 2008-09-28 | 1 |
| 18923 | JM04621 | 2008-09-30 | 1 |
| 18927 | JM04622 | 2008-09-29 | 1 |
| 18929 | JM04623 | 2008-09-28 | 1 |
| 18482 | JM11131 | 2008-09-30 | 1 |
| 18483 | JM11132 | 2008-09-29 | 1 |
| 18484 | JM11133 | 2008-09-28 | 1 |
| 19015 | JP03271 | 2008-09-30 | 1 |
| 19016 | JP03272 | 2008-09-29 | 1 |
| 19014 | JP03273 | 2008-09-28 | 1 |
| 16934 | JR02121 | 2008-09-30 | 1 |
| 16935 | JR02122 | 2008-09-29 | 1 |
| 16936 | JR02123 | 2008-09-28 | 1 |
| 28210 | JR03271 | 2008-09-30 | 1 |
| 28212 | JR03272 | 2008-09-29 | 1 |
| 28213 | JR03273 | 2008-09-28 | 1 |
| 29505 | JR12091 | 2008-09-30 | 1 |
| 29506 | JR12092 | 2008-09-29 | 1 |
| 29507 | JR12093 | 2008-09-28 | 1 |
| 19033 | JR12211 | 2008-09-30 | 1 |
| 19035 | JR12212 | 2008-09-29 | 1 |
| 19036 | JR12213 | 2008-09-28 | 1 |
| 19075 | JS10011 | 2008-09-30 | 1 |
| 19077 | JS10012 | 2008-09-29 | 1 |
| 19078 | JS10013 | 2008-09-28 | 1 |
| 18475 | JS11111 | 2008-09-30 | 1 |
| 18479 | JS11112 | 2008-09-29 | 1 |
| 18480 | JS11113 | 2008-09-28 | 1 |
| 18453 | JT05241 | 2008-09-30 | 1 |
| 18454 | JT05242 | 2008-09-29 | 1 |
| 18455 | JT05243 | 2008-09-28 | 1 |
| 19094 | JT09091 | 2008-09-30 | 1 |
| 19096 | JT09092 | 2008-09-29 | 1 |
| 19098 | JT09093 | 2008-09-28 | 1 |
| 16907 | KC10081 | 2008-09-30 | 1 |
| 16908 | KC10082 | 2008-09-29 | 1 |
| 16911 | KC10083 | 2008-09-28 | 1 |
| 18661 | KC12141 | 2008-09-30 | 1 |
| 18662 | KC12142 | 2008-09-29 | 1 |
| 18782 | KC12143 | 2008-09-28 | 1 |
| 18743 | KF06181 | 2008-09-30 | 1 |
| 18770 | KF06182 | 2008-09-29 | 1 |
| 18774 | KF06183 | 2008-09-28 | 1 |
| 18711 | KK01041 | 2008-09-30 | 1 |
| 18716 | KK01042 | 2008-09-29 | 1 |
| 18717 | KK01043 | 2008-09-28 | 1 |
| 16867 | KL08312 | 2008-09-29 | 1 |
| 16868 | KL08313 | 2008-09-28 | 1 |
| 16866 | KL09301 | 2008-09-30 | 1 |
| 18695 | KM01051 | 2008-09-30 | 1 |
| 18696 | KM01052 | 2008-09-29 | 1 |
| 18766 | KM01053 | 2008-09-28 | 1 |
| 18655 | KM03021 | 2008-09-30 | 1 |
| 18658 | KM03022 | 2011-09-29 | 1 |
| 18659 | KM03023 | 2008-09-28 | 1 |
| 18763 | km07061 | 2008-09-30 | 1 |
| 18768 | km07062 | 2008-09-29 | 1 |
| 18769 | km07063 | 2008-09-28 | 1 |
| 18520 | KM07121 | 2008-09-30 | 1 |
| 18524 | KM07122 | 2008-09-29 | 1 |
| 18525 | KM07123 | 2008-09-28 | 1 |
| 17483 | KM1221 | 2008-09-30 | 1 |
| 17487 | KM1222 | 2008-09-29 | 1 |
| 17489 | KM1223 | 2008-09-28 | 1 |
| 18772 | KP03021 | 2008-09-30 | 1 |
| 18773 | KP03022 | 2008-09-29 | 1 |
| 18775 | KP03023 | 2008-09-28 | 1 |
| 16945 | KR04191 | 2008-09-30 | 1 |
| 16961 | KR04192 | 2008-09-29 | 1 |
| 16967 | KR04193 | 2008-09-28 | 1 |
| 18644 | KR09021 | 2008-09-30 | 1 |
| 18669 | KR09022 | 2008-09-29 | 1 |
| 18677 | KR09023 | 2008-09-28 | 1 |
| 16834 | KV12191 | 2008-09-30 | 1 |
| 18310 | KV12191 | 2010-09-15 | 1 |
| 16833 | KV12192 | 2008-09-29 | 1 |
| 16832 | KV12193 | 2008-09-28 | 1 |
| 18843 | kw01011 | 2008-09-30 | 1 |
| 18844 | kw01012 | 2008-09-29 | 1 |
| 18846 | kw01013 | 2008-09-28 | 1 |
| 18701 | LC03051 | 2008-09-30 | 1 |
| 18702 | LC03052 | 2008-09-29 | 1 |
| 18703 | LC03053 | 2008-09-28 | 1 |
| 18687 | LC10141 | 2008-09-30 | 1 |
| 18689 | LC10142 | 2008-09-29 | 1 |
| 18691 | LC10143 | 2008-09-28 | 1 |
| 18800 | LL10171 | 2008-09-30 | 1 |
| 18801 | LL10172 | 2008-09-29 | 1 |
| 18802 | LL10173 | 2008-09-28 | 1 |
| 18519 | LN03171 | 2008-09-30 | 1 |
| 18522 | LN03172 | 2008-09-29 | 1 |
| 18523 | LN03173 | 2008-09-28 | 1 |
| 18372 | LP06091 | 2008-09-30 | 1 |
| 18373 | LP06092 | 2008-09-29 | 1 |
| 18374 | LP06093 | 2008-09-28 | 1 |
| 18647 | LR01081 | 2008-09-30 | 1 |
| 18648 | LR01082 | 2008-09-29 | 1 |
| 18649 | LR01083 | 2008-09-28 | 1 |
| 18618 | ls05031 | 2008-09-30 | 1 |
| 18619 | ls05032 | 2008-09-29 | 1 |
| 18620 | ls05033 | 2008-09-28 | 1 |
| 18476 | LS10231 | 2008-09-30 | 1 |
| 18477 | LS10232 | 2008-09-29 | 1 |
| 18478 | LS10233 | 2008-09-28 | 1 |
| 19002 | ma08051 | 2008-09-30 | 1 |
| 19049 | ma08052 | 2008-09-29 | 1 |
| 19011 | ma08053 | 2008-09-28 | 1 |
| 28315 | MC12281 | 2008-09-30 | 1 |
| 28316 | MC12282 | 2008-09-29 | 1 |
| 28317 | MC12283 | 2008-09-28 | 1 |
| 18785 | ME08161 | 2008-09-30 | 1 |
| 18786 | ME08162 | 2008-09-29 | 1 |
| 18789 | ME08163 | 2008-09-28 | 1 |
| 21909 | MG09031 | 2012-12-12 | 1 |
| 19089 | MG12281 | 2008-09-30 | 1 |
| 19090 | MG12282 | 2008-09-29 | 1 |
| 19091 | MG12283 | 2008-09-28 | 1 |
| 16852 | MH02261 | 2008-09-30 | 1 |
| 16858 | MH02262 | 2008-09-29 | 1 |
| 16859 | MH02263 | 2008-09-28 | 1 |
| 17591 | MH06142 | 2008-09-29 | 1 |
| 17597 | MH06143 | 2008-09-28 | 1 |
| 18450 | MJ06091 | 2008-09-30 | 1 |
| 18451 | MJ06092 | 2008-09-29 | 1 |
| 18452 | MJ06093 | 2008-09-28 | 1 |
| 18868 | MJ09251 | 2008-09-30 | 1 |
| 18895 | MJ09252 | 2008-09-29 | 1 |
| 18896 | MJ09253 | 2008-09-28 | 1 |
| 19101 | ML04041 | 2008-09-30 | 1 |
| 16898 | ML05021 | 2008-09-30 | 1 |
| 16903 | ML05022 | 2008-09-29 | 1 |
| 16900 | ML05023 | 2008-09-28 | 1 |
| 16893 | ml12221 | 2008-09-30 | 1 |
| 16991 | ml12222 | 2008-09-29 | 1 |
| 16992 | ml12223 | 2008-09-28 | 1 |
| 18674 | MM08081 | 2008-09-30 | 1 |
| 18676 | MM08082 | 2008-09-29 | 1 |
| 18679 | MM08083 | 2008-09-28 | 1 |
| 20305 | MR08101 | 2008-09-30 | 1 |
| 20307 | MR08102 | 2008-09-29 | 1 |
| 20308 | MR08103 | 2008-09-28 | 1 |
| 18719 | MW07101 | 2008-09-30 | 1 |
| 18720 | MW07102 | 2008-09-29 | 1 |
| 18721 | MW07103 | 2008-09-28 | 1 |
| 19547 | MWLMCExp | 2011-09-14 | 1 |
| 19548 | MWLWCRef | 2011-09-11 | 1 |
| 18456 | NB10251 | 2008-09-30 | 1 |
| 18457 | NB10252 | 2008-09-29 | 1 |
| 18458 | NB10253 | 2008-09-28 | 1 |
| 18468 | NG04251 | 2008-09-30 | 1 |
| 18469 | NG04252 | 2008-09-29 | 1 |
| 18470 | NG04253 | 2008-09-28 | 1 |
| 18461 | NM10231 | 2008-09-30 | 1 |
| 18463 | NM10232 | 2008-09-29 | 1 |
| 18464 | NM10233 | 2008-09-28 | 1 |
| 19079 | NP03311 | 2008-09-30 | 1 |
| 19080 | NP03312 | 2008-09-29 | 1 |
| 19083 | NP03313 | 2008-09-28 | 1 |
| 18781 | NY01031 | 2008-09-30 | 1 |
| 18850 | NY01032 | 2008-09-29 | 1 |
| 18851 | NY01033 | 2008-09-28 | 1 |
| 18783 | PC09211 | 2008-09-30 | 1 |
| 18835 | PC09212 | 2008-09-29 | 1 |
| 18842 | PC09213 | 2008-09-28 | 1 |
| 18994 | PD03181 | 2008-09-30 | 1 |
| 19001 | PD03182 | 2008-09-29 | 1 |
| 19004 | PD03183 | 2008-09-28 | 1 |
| 18836 | PE05051 | 2008-09-30 | 1 |
| 18837 | PE05052 | 2008-09-29 | 1 |
| 18838 | PE05053 | 2008-09-28 | 1 |
| 18516 | PJ05151 | 2008-09-30 | 1 |
| 18538 | PJ05152 | 2008-09-29 | 1 |
| 18541 | PJ05153 | 2008-09-28 | 1 |
| 19071 | PM02041 | 2008-09-30 | 1 |
| 19076 | PM02042 | 2008-09-29 | 1 |
| 19093 | PM02043 | 2008-09-28 | 1 |
| 16839 | ps11141 | 2008-09-30 | 1 |
| 16840 | ps11142 | 2008-09-29 | 1 |
| 16844 | ps11143 | 2008-09-28 | 1 |
| 17471 | PV02041 | 2008-09-30 | 1 |
| 17475 | PV02042 | 2008-09-29 | 1 |
| 17478 | PV02043 | 2008-09-28 | 1 |
| 16841 | RB03091 | 2008-09-30 | 1 |
| 16843 | RB03092 | 2008-09-29 | 1 |
| 16845 | RB03093 | 2008-09-28 | 1 |
| 17479 | RC06231 | 2008-09-30 | 1 |
| 17481 | RC06232 | 2008-09-29 | 1 |
| 17482 | RC06233 | 2008-09-28 | 1 |
| 16860 | RG09061 | 2008-09-30 | 1 |
| 16861 | RG09062 | 2008-09-29 | 1 |
| 16862 | RG09063 | 2008-09-28 | 1 |
| 18722 | RK06241 | 2008-09-30 | 1 |
| 18725 | RK06242 | 2008-09-29 | 1 |
| 18726 | RK06243 | 2008-09-28 | 1 |
| 17571 | RR06231 | 2008-09-30 | 1 |
| 17572 | RR06232 | 2008-09-29 | 1 |
| 17574 | RR06233 | 2008-09-28 | 1 |
| 21967 | RR10111 | 2008-09-30 | 1 |
| 21973 | RR10112 | 2008-09-29 | 1 |
| 21975 | RR10113 | 2008-09-28 | 1 |
| 19064 | SAD01171 | 2008-09-30 | 1 |
| 19067 | SAD01172 | 2008-09-29 | 1 |
| 19092 | SAD01173 | 2008-09-28 | 1 |
| 17126 | sb03291 | 2008-09-30 | 1 |
| 17132 | sb03292 | 2008-09-29 | 1 |
| 17133 | sb03293 | 2008-09-28 | 1 |
| 18937 | SG11141 | 2008-09-30 | 1 |
| 18938 | SG11142 | 2008-09-29 | 1 |
| 18939 | SG11143 | 2008-09-28 | 1 |
| 18807 | Site2 | 2011-01-01 | 1 |
| 18361 | SJ10311 | 2008-09-30 | 1 |
| 18362 | SJ10312 | 2008-09-29 | 1 |
| 18363 | SJ10313 | 2008-09-28 | 1 |
| 19068 | SM03261 | 2011-09-30 | 1 |
| 19074 | SM03262 | 2008-09-29 | 1 |
| 19085 | SM03263 | 2008-09-28 | 1 |
| 16927 | SNE06041 | 2008-09-30 | 1 |
| 16928 | SNE06042 | 2008-09-29 | 1 |
| 16929 | SNE06043 | 2008-09-28 | 1 |
| 16836 | SP12241 | 2008-09-30 | 1 |
| 16837 | SP12242 | 2008-09-29 | 1 |
| 16838 | SP12243 | 2008-09-28 | 1 |
| 18792 | SR07151 | 2008-09-30 | 1 |
| 18793 | SR07152 | 2008-09-29 | 1 |
| 18795 | SR07153 | 2008-09-28 | 1 |
| 16924 | SS05301 | 2008-09-30 | 1 |
| 16925 | SS05302 | 2008-09-29 | 1 |
| 16926 | SS05303 | 2008-09-28 | 1 |
| 17390 | SS11171 | 2008-09-30 | 1 |
| 17393 | SS11172 | 2008-09-29 | 1 |
| 17394 | SS11173 | 2008-09-28 | 1 |
| 16905 | TD10171 | 2008-09-30 | 1 |
| 16915 | TD10172 | 2008-09-29 | 1 |
| 16916 | TD10173 | 2008-09-28 | 1 |
| 18365 | TH10061 | 2008-09-28 | 1 |
| 18366 | TH10062 | 2008-09-29 | 1 |
| 18367 | TH10063 | 2008-09-28 | 1 |
| 18303 | TL04171 | 2008-09-30 | 1 |
| 18305 | TL04172 | 2008-09-29 | 1 |
| 18306 | TL04173 | 2008-09-28 | 1 |
| 26032 | TP102801 | 2008-09-30 | 1 |
| 26033 | TP102802 | 2008-09-29 | 1 |
| 26036 | TP102803 | 2008-09-28 | 1 |
| 18737 | VA03271 | 2008-09-30 | 1 |
| 18740 | VA03272 | 2008-09-29 | 1 |
| 18741 | VA03273 | 2008-09-28 | 1 |
| 21950 | VE03051 | 2008-09-30 | 1 |
| 21963 | VE03052 | 2008-09-29 | 1 |
| 21977 | VE03053 | 2008-09-28 | 1 |
| 18756 | ZD03171 | 2008-09-30 | 1 |
| 18761 | ZD03172 | 2008-09-29 | 1 |
| 18762 | ZD03173 | 2008-09-28 | 1 |
| 21710 | bh12261 | 2008-09-30 | 1 |
| 26231 | BY09291 | 2008-09-30 | 1 |
| 16828 | CC05191 | 2008-09-30 | 1 |
| 19104 | CLD01 | 2008-09-30 | 1 |
| 19103 | FRS01 | 2008-09-29 | 1 |
| 16997 | GL09301 | 2008-09-30 | 1 |
| 26432 | MG09032 | 2012-12-09 | 1 |
| 17289 | MH06141 | 2008-09-30 | 1 |
| 18604 | Muskwa 406 | 2011-08-05 | 1 |
| 18605 | Muskwa 423 | 2011-08-05 | 1 |
| 18606 | Muskwa 424 | 2011-08-05 | 1 |
| 18607 | Muskwa 425 | 2011-08-05 | 1 |
| 18602 | Muskwa1 | 2011-08-04 | 1 |
| 19102 | QNS-01 | 2008-09-28 | 1 |
Liste des variables :
Ameletidae, Ametropodidae, Aturidae, Baetidae, Baetiscidae, Brachycentridae, Capniidae, Ceratopogonidae, Chironomidae, Chloroperlidae, Edwardsiidae, Elmidae, Empididae, Enchytraeidae, Ephemerellidae, Ephemeridae, Feltriidae, Glossosomatidae, Heptageniidae, Hydrophilidae, Hydropsychidae, Hydroptilidae, Hydrozetidae, Hydryphantidae, Hygrobatidae, Lebertiidae, Lepidostomatidae, Leptoceridae, Leptohyphidae, Leptophlebiidae, Limnephilidae, Lumbriculidae, Naididae, Nemouridae, Oreoleptidae, Peltoperlidae, Perlidae, Perlodidae, Phryganeidae, Pionidae, Planorbidae, Poduridae, Polycentropodidae, Psychodidae, Sialidae, Simuliidae, Sperchontidae, Taeniopterygidae, Tipulidae, Torrenticolidae, Valvatidae
1.3 Statistiques générales
Le tableau suivant présente les principaux paramètre généraux par variable. Lorsque le résultat obtenu à la ligne BinaryData du tableau est TRUE, cela indique que la variable présente des données binaires. Cependant, ce résultat peut également n’être obtenu que parce que la variable ne présente qu’une à deux données au maximum. La ligne Na.values indique le nombre de valeurs manquantes que présente chaque variable.
Tableau des statistiques générales
- Vérifiez les données et assurez-vous qu’elles réflètent bien la réalité. Examinez les statistiques de base et identifiez, le cas échéant, des anomalies au niveaux des statistiques de base.
1.4 Répartition géographique
1.4.1 Répartition des taxons
Les graphiques suivants illustrent la position (latitude et longitude) ainsi que l’abondance en taxons des sites observées dans le fichier de données pour chaque taxon.
- La distribution géographique des taxons présentent-elles des anomalies?
- Des données sortent-elles de l’ordinaire?
1.4.2 Répartition de la richesse
Les graphiques suivants illustrent la position (latitude et longitude) ainsi que la richesse en taxons par site observées dans le fichier de données.
- La position géographique des mesures est-elle juste?
- Des mesures de richesse sortent-elles de l’ordinaire?
- Un patron de distribution de la richesse est-il apparent?
La carte interactive suivante illustre les mêmes données que le graphique précédent. Cliquez sur le marqueur d’une visite pour indiquer la richesse en taxons observée dans celle-ci.
1.5 Présence de données aberrantes
1.5.1 Diagrammes de dispersion des valeurs observées
Les diagrammes de dispersion suivants présentent la valeur des abondances des taxons dans l’ordre à laquelle elles apparaissent dans ce fichier. Sous l’axe des X se trouve l’identifiant de la visite vis-à-vis la valeur observée correspondante, soit le nom du site d’où provient la donnée, sa date d’échantillonnage et le nombre d’échantillonnage pris pour cette donnée.
- La distribution des valeurs d’abondance indique-t’elle un phénomène écologique ou un problème potentiel?
- Des taxons sont-ils très rares ou au contraire très fréquents?
- Un problème avec les données d’abondance est-il apparent?
1.5.2 Boîtes à moustaches de l’abondance par taxon observée et transformée
Pour chaque variable, la première boîte à moustaches (à gauche) illustre la distribution des abondances observées dans le fichier de données et la deuxième boîte à moustaches (à droite) illustre la distribution des abondances observées dans le fichier de données ayant subies une transformation logarithmique.
- La position géographique des mesures est-elle juste?
- Des mesures de richesse sortent-elles de l’ordinaire?
- Un patron de distribution de la richesse est-il apparent?
- La transformation des données améliore-t’elle la distribution des abondances?
1.5.3 Identification des données aberrantes potentielles
Pour chaque variable, la première boîte à moustaches (à gauche) illustre la distribution des valeurs de variables continues observées dans le fichier de données. Le second graphique est le graphe de Cleveland qui donne plus de détails sur la distribution des valeurs observées. Les valeurs d’abondance sont présentées dans l’ordre d’apparition dans le fichier de données.
Les données présentant une identification par leur identifiant sur les diagrammes représentent les données potentiellement aberrantes contenues dans le fichier de données. L’identifiant de la visite correspond au nom du site d’où provient la donnée, sa date d’échantillonnage et le nombre d’échantillonnage pris pour cette donnée.
L’interprétation du graphe de Cleveland se fait par l’examen des points qui se trouvent aux extrémités gauche ou droite du graphique. Ces points montrent des abondances largement différentes par rapport à la majorité des observations et requierent un examen plus approfondi. Si vous concluez que ces valeurs extrèmes sont des erreurs de mesure, elles devraient être supprimées du fichier de données car elles domineront l’analyse de données. Si l’omission de ces abondances n’est pas une option, une transformation des données devrait être envisagée.
- Les points aux extrémités des boites à moustache vous semblent-ils représenter des données aberrantes?
- Ces mêmes points se sont-ils isolés (à gauche ou à droite) sur le graphe de Cleveland?
La liste suivante présente les données potentiellement aberrantes contenues dans le fichier de données pour chaque variable. Lorsque l’identifiant d’une donnée y est indiqué, cela indique que cette donnée représente une donnée potentiellement aberrante contenue dans le fichier de données. Les mentions “” indiquent les données non aberrantes et les mentions NA indiquent la présence de valeurs manquantes. L’identifiant de la visite correspond au nom du site d’où provient la donnée, sa date d’échantillonnage et le nombre d’échantillonnage pris pour cette donnée.
1.6 Présence de zéros
1.6.1 Histogramme de fréquences d’abondances
L’histogramme suivant illustre la distribution des fréquences d’abondances par taxon du fichier de données. Ce graphique permet notamment d’évaluer la quantité de valeurs d’abondances équivalentes à 0 à travers tous les taxons du fichier de données.
1.6.2 Matrice de corrélation des doubles zéros
La matrice de corrélation suivante illustre la force de corrélation qui existe entre deux taxons présentant des valeurs d’abondances équivalentes à 0 par l’intensité de la couleur. Une corrélation illustrée par la couleur blanche indique une force de corrélation qui tend vers une valeur de 0.5 et une corrélation illustrée par la couleur bleue foncée indique une force de corrélation qui tend vers une valeur de 1. Cette matrice illustre également la proportion de valeurs d’abondances à 0 que présente un taxon par rapport à toutes les valeurs d’abondances observées dans ce dernier. Seulement les taxons présents dans plus de 25% des visites y sont représentés.
1.7 Normalité des données
1.7.1 Diagrammes Quantile-Quantile et histogrammes de fréquences
Pour chaque variable, le premier graphique (à gauche) illustre la distribution observée des valeurs par taxon par des points et la distribution normale théorique calculée à partir des paramètres de la distribution observée par une droite. Plus les valeurs observées sont positionnées sur la droite, plus celles-ci sont distribuées selon la loi normale. Le deuxième graphique (à droite) illustre par un histogramme la distribution des fréquences des valeurs observées par taxon. Il permet notamment de vérifier et valider si la distribution des données semble suivre la loi normale. Cet histogramme illustre également l’abondance moyenne par taxon par une ligne pleine ainsi que l’écart-type des abondances par taxon par deux lignes pointillées.
1.7.2 Normalité des données
1.7.2.1 Tests de normalité par taxon
Les résultats suivants présentent le résultat obtenu par un test de Snows appliqué sur chaque variable du fichier de données. Une valeur de P (p-value) inférieure à 0.05 indique qu’il n’est pas possible de supposer que la distribution des données suit la loi normale avec une probabilité de 95%.
$Ameletidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Ametropodidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Aturidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Baetidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Baetiscidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Brachycentridae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Capniidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Ceratopogonidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Chironomidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Chloroperlidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Edwardsiidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Elmidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Empididae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Enchytraeidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Ephemerellidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Ephemeridae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Feltriidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Glossosomatidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Heptageniidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Hydrophilidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Hydropsychidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Hydroptilidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Hydrozetidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Hydryphantidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Hygrobatidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Lebertiidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Lepidostomatidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Leptoceridae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Leptohyphidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Leptophlebiidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Limnephilidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Lumbriculidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Naididae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Nemouridae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Oreoleptidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Peltoperlidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Perlidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Perlodidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Phryganeidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Pionidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Planorbidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Poduridae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Polycentropodidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Psychodidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Sialidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Simuliidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Sperchontidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Taeniopterygidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Tipulidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Torrenticolidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)
$Valvatidae
Snow's Penultimate Normality Test
data: newX[, i]
p-value < 2.2e-16
alternative hypothesis:
The data does not come from a strict normal distribution (but may
represent a distribution that is close enough)1.7.2.2 Occurence en taxons
Dans combien de sites chaque taxon est-il présent?
La liste qui suit montre en ordre croissant l’occurence des taxons dans le jeu de données.
Par la suite, deux graphiques sont proposés. Le premier graphique (à gauche) illustre la distribution des fréquences des valeurs d’occurrence en taxons. Le deuxième graphique (à droite) montre la distribution des fréquences des valeurs calculées d’occurrence en taxons à partir du fichier de données ayant subies une transformation logarithmique. Cet histogramme illustre également l’occurrence moyenne par taxon par une ligne pleine ainsi que l’écart-type des occurrences par taxon par deux lignes pointillées.
Un examen de ces deux graphiques permet notamment de vérifier si la distribution des données semble suivre la loi normale. Si la distribution des données sur le deuxième graphique semble ressembler davantage à une distribution normale, une transformation logarithmique des données pourrait être nécessaire.
Ameletidae Ametropodidae Aturidae Baetidae
147 1 146 443
Baetiscidae Brachycentridae Capniidae Ceratopogonidae
1 148 2 3
Chironomidae Chloroperlidae Edwardsiidae Elmidae
444 150 1 1
Empididae Enchytraeidae Ephemerellidae Ephemeridae
288 1 294 3
Feltriidae Glossosomatidae Heptageniidae Hydrophilidae
1 294 440 1
Hydropsychidae Hydroptilidae Hydrozetidae Hydryphantidae
439 146 1 144
Hygrobatidae Lebertiidae Lepidostomatidae Leptoceridae
1 146 293 1
Leptohyphidae Leptophlebiidae Limnephilidae Lumbriculidae
146 293 2 2
Naididae Nemouridae Oreoleptidae Peltoperlidae
443 149 4 3
Perlidae Perlodidae Phryganeidae Pionidae
1 145 1 145
Planorbidae Poduridae Polycentropodidae Psychodidae
1 2 145 145
Sialidae Simuliidae Sperchontidae Taeniopterygidae
1 148 147 1
Tipulidae Torrenticolidae Valvatidae
293 145 1
[1] "Ordre croissant des occurrences en taxons"
Ametropodidae Baetiscidae Edwardsiidae Elmidae
1 1 1 1
Enchytraeidae Feltriidae Hydrophilidae Hydrozetidae
1 1 1 1
Hygrobatidae Leptoceridae Perlidae Phryganeidae
1 1 1 1
Planorbidae Sialidae Taeniopterygidae Valvatidae
1 1 1 1
Capniidae Limnephilidae Lumbriculidae Poduridae
2 2 2 2
Ceratopogonidae Ephemeridae Peltoperlidae Oreoleptidae
3 3 3 4
Hydryphantidae Perlodidae Pionidae Polycentropodidae
144 145 145 145
Psychodidae Torrenticolidae Aturidae Hydroptilidae
145 145 146 146
Lebertiidae Leptohyphidae Ameletidae Sperchontidae
146 146 147 147
Brachycentridae Simuliidae Nemouridae Chloroperlidae
148 148 149 150
Empididae Lepidostomatidae Leptophlebiidae Tipulidae
288 293 293 293
Ephemerellidae Glossosomatidae Hydropsychidae Heptageniidae
294 294 439 440
Baetidae Naididae Chironomidae
443 443 444 
Les graphiques suivants sont similaires aux précédents mais pour les fréquences relatives.
Ameletidae Ametropodidae Aturidae Baetidae
32.8125000 0.2232143 32.5892857 98.8839286
Baetiscidae Brachycentridae Capniidae Ceratopogonidae
0.2232143 33.0357143 0.4464286 0.6696429
Chironomidae Chloroperlidae Edwardsiidae Elmidae
99.1071429 33.4821429 0.2232143 0.2232143
Empididae Enchytraeidae Ephemerellidae Ephemeridae
64.2857143 0.2232143 65.6250000 0.6696429
Feltriidae Glossosomatidae Heptageniidae Hydrophilidae
0.2232143 65.6250000 98.2142857 0.2232143
Hydropsychidae Hydroptilidae Hydrozetidae Hydryphantidae
97.9910714 32.5892857 0.2232143 32.1428571
Hygrobatidae Lebertiidae Lepidostomatidae Leptoceridae
0.2232143 32.5892857 65.4017857 0.2232143
Leptohyphidae Leptophlebiidae Limnephilidae Lumbriculidae
32.5892857 65.4017857 0.4464286 0.4464286
Naididae Nemouridae Oreoleptidae Peltoperlidae
98.8839286 33.2589286 0.8928571 0.6696429
Perlidae Perlodidae Phryganeidae Pionidae
0.2232143 32.3660714 0.2232143 32.3660714
Planorbidae Poduridae Polycentropodidae Psychodidae
0.2232143 0.4464286 32.3660714 32.3660714
Sialidae Simuliidae Sperchontidae Taeniopterygidae
0.2232143 33.0357143 32.8125000 0.2232143
Tipulidae Torrenticolidae Valvatidae
65.4017857 32.3660714 0.2232143
[1] "Ordre croissant des fréquences relatives en taxons"
Ametropodidae Baetiscidae Edwardsiidae Elmidae
0.2 0.2 0.2 0.2
Enchytraeidae Feltriidae Hydrophilidae Hydrozetidae
0.2 0.2 0.2 0.2
Hygrobatidae Leptoceridae Perlidae Phryganeidae
0.2 0.2 0.2 0.2
Planorbidae Sialidae Taeniopterygidae Valvatidae
0.2 0.2 0.2 0.2
Capniidae Limnephilidae Lumbriculidae Poduridae
0.4 0.4 0.4 0.4
Ceratopogonidae Ephemeridae Peltoperlidae Oreoleptidae
0.7 0.7 0.7 0.9
Hydryphantidae Perlodidae Pionidae Polycentropodidae
32.1 32.4 32.4 32.4
Psychodidae Torrenticolidae Aturidae Hydroptilidae
32.4 32.4 32.6 32.6
Lebertiidae Leptohyphidae Ameletidae Sperchontidae
32.6 32.6 32.8 32.8
Brachycentridae Simuliidae Nemouridae Chloroperlidae
33.0 33.0 33.3 33.5
Empididae Lepidostomatidae Leptophlebiidae Tipulidae
64.3 65.4 65.4 65.4
Ephemerellidae Glossosomatidae Hydropsychidae Heptageniidae
65.6 65.6 98.0 98.2
Baetidae Naididae Chironomidae
98.9 98.9 99.1 
1.7.2.3 Boîtes à moustaches d’occurrences en taxons
La première boîte à moustaches (à gauche) illustre la distribution des occurrences calculées à partir du fichier de données et la deuxième boîte à moustaches (à droite) illustre la distribution des occurrences calculées à partir du fichier de données ayant subies une transformation logarithmique.
Les graphiques suivants sont similaires aux précédents mais pour les fréquences relatives
1.8 Indépendance des taxons
1.8.1 Matrice de corrélation entre les taxons
La matrice de corrélation suivante illustre la relation qui existe entre deux taxons par la présence d’une courbe. Elle permet notamment de vérifier et valider la présence de corrélation entre des taxons. Seulement les taxons présents dans plus de 25% des visites y sont représentés.
[1] "PlotMatrix: done"
1.8.2 Matrice de corrélation de Pearson globale
La matrice de corrélation suivante illustre la force de corrélation qui existe entre deux taxons par l’intensité de la couleur. Une corrélation illustrée par la couleur blanche indique une force de corrélation qui tend vers une valeur de 0 et une corrélation illustrée par la couleur bleue foncée indique une force de corrélation qui tend vers une valeur de 1. Les valeurs de corrélation de Pearson entre les taxons y sont indiquées dans la portion inférieure gauche de la figure. Cette matrice illustre également la proportion de valeurs d’abondances non égales à 0 que présente un taxon par rapport à toutes les valeurs d’abondances observées dans ce dernier. Seulement les taxons présents dans plus de 25% des visites y sont représentés.
1.8.3 Abondance des taxons dans le temps
Il peut être intéressant d’examiner l’évalution de l’abondance des taxons dans le temps afin d’observer des dynamiques ou des changements abrutes.
Pour chaque taxon, le premier graphique (en haut à gauche) illustre la valeur d’abondance des données selon leur année d’échantillonnage. Le deuxième graphique (en haut à droite) illustre les tendances observées de variations des abondances en individus dans le temps. Le troisième graphique (en bas à gauche) illustre les prévisions futures de variations des abondances en individus dans le temps. Sur ce graphique la ligne bleue correspond à la tendance attendue moyenne de variations dans le temps, la zone grise foncée correspond à un intervalle de confiance de 80% et la zone grise pâle correspond à un intervalle de confiance de 95%. Le quatrième graphique (en bas à droite) illustre l’autocorrélation de séries temporelles (ACF). Une valeur d’autocorrélation supérieure à l’intervalle de confiance de 95% illustrée par la ligne pointillée indique une possible dépendance entre la variable et la période de l’année (temps). Par exemple, une certaine valeur d’abondance d’un taxon observée lors d’une année précise pourrait être expliquée par un certain événement datant d’une année antérieure (décalage dans le temps en années). Il est à noter que l’autocorrélation au temps de décalage 0 est, par définition, égale à 1.
Les résultats suivants présentent le calcul du test de la statistique de Box-Ljung appliqué sur chaque taxon et sont complémentaires aux résultats illustrés par les graphiques précédents. Une valeur de P (p-value) inférieure à 0.05 indique que les valeurs résiduelles d’une variable dépendent de la période de l’année (temps).
1.8.4 Corrélation spatiale des taxons
Les résultats suivants présentent les résultats d’autocorrélation spatiale appliquée sur chaque variable. Une valeur de P (p-value) inférieure à 0.05 permet de supposer que la distribution spatiale des valeurs font l’objet d’une agrégation spatiale non aléatoire. Lorsque la valeur de P (p-value) est inférieure à 0.05, un indice de Moran (I de Moran I) positif indique que les valeurs sont aggrégés entre elles tandis qu’un indice de Moran négatif indique que les valeurs sont dispersées entre elles.
1.9 Diversité
1.9.1 Tableau des indices de diversité en taxons
Le tableau suivant présente le calcul de plusieurs indices de diversité en taxons calculés pour chaque visite.
1.9.2 Histogrammes de l’occurrence de la diversité
1.10 Notes sur les versions
Quoi de nouveau, mis à jour ou corrigé dans cette version
Nouveau 
Mise à jour 
Corrigé
RCBA_vv_biologique.Rmd Version 1.1 — 14 février 2017
Mise à jour — Réduire le nombre de procédures et modifier leur organisation.
RCBA_vv_biologique.Rmd Version 1.0 — 18 août 2017
Première version.
Développé par Martin Jean et Evelyne Paquette-Boisclair
---
date: '2017-11-02'
output:
  html_notebook:
    df_print: paged
    number_sections: yes
    toc: yes
    toc_depth: 4
    toc_float: yes
  html_document:
    df_print: paged
    toc: yes
  word_document:
    toc: yes
version: '1.1'
---

| ![](../../../Configuration/gc_fr.png)  |  ![](../../../Configuration/rcba_logo.png) |
|:------------------------------------|--------------------------------------:|                            


#VÉRIFICATION ET VALIDATION RCBA - DONNÉES D'HABITAT

*Environnement et changement climatique Canada*

*Analyse réalisée le `r Sys.time()`*

***

Ce document est un carnet de note écrit en [Markdown R](http://rmarkdown.rstudio.com). Lorsque vous éxécuter le code intégré au carnet, les résulats apparaitront sous le code correspondant.

Ce rapport présente les résultats de la vérification et la validation des données biologiques pour le projet **`r paste(datasetName)`**.

Dans cette analyse, le jeu de descripteurs biologiques sera vérifié pour répondre à la question suivante :
  
  + Les données biologiques correspondent-elles bien à ce qui a été observé sur le terrain ?

Ce document est un carnet de notes [R Markdown](http://rmarkdown.rstudio.com). Pour obtenir les résultats de la vérification et la validation des données, exécutez les commandes contenues dans ce carnet de notes. Pour ce faire, positionnez votre curseur à l'intérieur d'une boîte de commandes et cliquez sur la flèche verte à la droite de celle-ci nommée *Run Current Chunk* ou appuyez sur les touches *Ctrl+Maj+Entrée* (*Cmd-Maj+Entrée* sur *macOS*) de votre clavier. Répétez pour chaque boîte de commandes. À mesure que les commandes contenues dans ce carnet seront exécutées, les résultats apparaîtront sous chacune des commandes correspondantes dans la présente fenêtre. Une fois toutes les commandes exécutées, cliquez sur le bouton *Preview* en haut à gauche de la présente fenêtre ou appuyer sur les touches *Ctrl+Maj+K*. Une nouvelle fenêtre apparaîtra et contiendra le rapport de ces résultats de la vérification et la validation des données générales RCBA.

##Prérequis

```{r include=FALSE}
## Modules externes et fonctions personnalisées requis
source("../../../Required_packages.R")
source("../../../Required_functions.R")


## Project Preferences
source("../../../Configuration/project_settings.R")

```

##Statistiques descriptives

Le fichier de données contient `r nrow(dataset.BIO)` visites (lignes) et `r ncol(dataset.BIO)` taxons (colonnes).

Le tableau suivant présente une partie des données du fichier.

**Lecture des données biologiques**

`r head(dataset.BIO) `

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
>
> - *Le fichier semble-t'il avoir été lu correctement?*
> - *Des colonnes sont-elles manquantes?*

**Liste des visites présentes dans les données biologiques (ID provenant de la base de données RCBA) :**  

`r rownames(dataset.BIO) `

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
> - *La liste ci-haut correspond-t'elle avec le tableau suivant qui présente les visites présentes dans l'un ou l'autre des fichiers de données du projet `r paste(datasetName)`?*



`r formattable(dataset.NAM, align = "c", row.names = TRUE)`

**Liste des variables :**  

`r colnames(dataset.BIO) `

> ![ACTION:](../../../Configuration/action.png)
> *Vérifiez les variables ci-haut et assurez-vous qu'elles sont toutes présentes.


##Statistiques générales

Le tableau suivant présente les principaux paramètre généraux par variable. Lorsque le résultat obtenu à la ligne *BinaryData* du tableau est *TRUE*, cela indique que la variable présente des données binaires. Cependant, ce résultat peut également n'être obtenu que parce que la variable ne présente qu'une à deux données au maximum. La ligne *Na.values* indique le nombre de valeurs manquantes que présente chaque variable.

**Tableau des statistiques générales**

```{r, echo=FALSE}

#Tableau des paramètres généraux par variable

{summary.BIO <- as.data.frame(t(do.call(cbind, lapply(dataset.BIO, summary))))
summary.BIO$Std.deviation <- apply(dataset.BIO, 2, sd, na.rm = T)
summary.BIO$Length <- colSums(!is.na(dataset.BIO))
summary.BIO$BinaryData <- sapply(dataset.BIO,function(x)length(unique(na.omit(x)))<=2)
summary.BIO$NA.values <- colSums(is.na(dataset.BIO))
summary.BIO$`NA's` <- NULL
summary.BIO <- as.data.frame(t(summary.BIO))
summary.BIO
}
#formattable(summary.BIO, digits = 2, align = "c")

```

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
> 
> - * Vérifiez les données et assurez-vous qu'elles réflètent bien la réalité. Examinez les statistiques de base et identifiez, le cas échéant, des anomalies au niveaux des statistiques de base.


##Répartition géographique


###Répartition des taxons

Les graphiques suivants illustrent la position (latitude et longitude) ainsi que l'abondance en taxons des sites observées dans le fichier de données pour chaque taxon.

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les éléments suivants :*
> 
> 
> - *La distribution géographique des taxons présentent-elles des anomalies?*
> - *Des données sortent-elles de l'ordinaire?*


```{r, echo=FALSE, warning=FALSE}
#Distribution géographique des taxon

dataset.GEN2 <- rownames_to_column(dataset.GEN, var = "rownames")
dataset.BIO2 <- rownames_to_column(dataset.BIO, var = "rownames")
dataset.BIO2 <- left_join(dataset.BIO2, dataset.GEN2[,c("rownames", "Longitude", "Latitude")], by = "rownames")

size <- dataset.BIO2[2:ncol(dataset.BIO2)]
size[c(length(size)-2,length(size)-1, length(size))] <- NA

for(i in 2:(ncol(dataset.BIO2)-3)){
graph.geo.ab <- ggplot(dataset.BIO2, aes(Longitude, Latitude)) +
  geom_point(shape = 21, aes(size = size[i-1])) +
  ggtitle(paste("Distribution géographique de", colnames(dataset.BIO2[i]))) +
  theme(plot.title = element_text(hjust = 0.5)) +
  scale_size(range = c(1,10), name = "Abondance")
graph.geo.ab
print(graph.geo.ab)
}

rm(size)
rm(dataset.GEN2)

```


###Répartition de la richesse

Les graphiques suivants illustrent la position (latitude et longitude) ainsi que la richesse en taxons par site observées dans le fichier de données.

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
> 
> - *La position géographique des mesures est-elle juste?*
> - *Des mesures de richesse sortent-elles de l'ordinaire?*
> - *Un patron de distribution de la richesse est-il apparent?*


```{r, echo=FALSE}
#Distribution géographique de la richesse en taxons

dataset.BIO2$richness <- apply(dataset.BIO > 0, 1, sum, na.rm=TRUE)
dataset.SPA2 <- rownames_to_column(dataset.SPA, var = "rownames")
dataset.SPA2 <- left_join(dataset.SPA2, dataset.BIO2[,c("rownames", "richness")], by = "rownames")

graph.geo.sp <- ggplot(dataset.SPA2, aes(Longitude, Latitude)) +
  geom_point(shape = 21, aes(size = richness), na.rm = TRUE) +
  ggtitle(paste("Distribution géographique de la richesse en taxons")) +
  theme(plot.title = element_text(hjust = 0.5)) +
  scale_size(range = c(1,10), name = "Richesse en taxons")
graph.geo.sp

```


La carte interactive suivante illustre les mêmes données que le graphique précédent. Cliquez sur le marqueur d'une visite pour indiquer la richesse en taxons observée dans celle-ci.

```{r, echo=FALSE, fig.height=5.5, fig.width=8.5, message=FALSE, include=TRUE}
#Cartographie de la distribution de la richesse en taxons

dataset.NAM2 <- rownames_to_column(dataset.NAM, var = "rownames")
dataset.NAM2$Site_Date_Number <- paste(dataset.NAM2$Site, dataset.NAM2$SampleDate, dataset.NAM2$SampleNumber)
dataset.SPA2 <- rownames_to_column(dataset.SPA, var = "rownames")
dataset.SPA2 <- left_join(dataset.SPA2, dataset.NAM2[,c("rownames", "Site_Date_Number")], by = "rownames")
dataset.SPA2 <- left_join(dataset.SPA2, dataset.NAM2[, c("rownames", "Site", "SampleDate", "SampleNumber")], by = "rownames")
dataset.SPA2 <- left_join(dataset.SPA2, dataset.BIO2[, c("rownames", "richness")], by = "rownames")
dataset.SPA2$Site_Date_Number <- paste(dataset.SPA2$Site, "_", dataset.SPA2$SampleDate, "_", dataset.SPA2$SampleNumber)
dates <- as.Date(dataset.SPA2$SampleDate, "%Y-%m-%d")
dataset.SPA2$Year <- strftime(parse_date_time(as.character(dates), "%Y-%m-%d"), "%y")
dataset.SPA2$Site_Year <- paste(dataset.SPA2$Site, "_", dataset.SPA2$Year)

cabinPoints <- SpatialPointsDataFrame(coords = dataset.SPA[, 1:2], data = dataset.SPA)

getColor2 <- function(dataset.SPA2) {
  sapply(dataset.SPA2$SampleDate, function(SampleDate) {
  if(SampleDate <= "2005-12-31") {
    "green"
  } else if(SampleDate <= "2006-12-31") {
    "yellow"
  } else if(SampleDate <= "2007-12-31") {
    "darkorange"
  } else if(SampleDate <= "2008-12-31") {
    "red"
  } else if(SampleDate <= "2009-12-31") {
    "pink"
  } else if(SampleDate <= "2010-12-31") {
    "blue"
  } else if(SampleDate <= "2011-12-31") {
    "darkgreen"
  } else if(SampleDate <= "2012-12-31") {
    "cyan"
  } else if(SampleDate <= "2013-12-31") {
    "deeppink"
  } else if(SampleDate <= "2014-12-31") {
    "lightblue"
  } else if(SampleDate <= "2015-12-31") {
    "lightseagreen"
  } else if(SampleDate <= "2016-12-31") {
    "darkviolet"
  } else if(SampleDate <= "2017-12-31") {
    "darkred"
  } else if(SampleDate <= "2018-12-31") {
    "cadetblue"
  } else if(SampleDate <= "2019-12-31") {
    "black"
  } else if(SampleDate <= "2020-12-31") {
    "gray"
  } else {
    "brown"
  } })
} 

#dates <- as.Date(dataset.SPA2$SampleDate, "%Y-%m-%d") 
#dataset.SPA2$Year <- strftime(parse_date_time(as.character(dates), "%Y-%m-%d"), "%Y")
  
    leaflet(data = dataset.SPA2) %>% addProviderTiles(providers$Esri.WorldTopoMap) %>% addCircleMarkers(~Longitude, ~Latitude, popup = paste( "Station_Année :", dataset.SPA2$Site_Year, "<br>", "Richesse en taxons : ", dataset.SPA2$richness, "<br>"), label = (dataset.SPA2$Site_Year), radius = dataset.SPA2$richness, color = getColor2(dataset.SPA2), stroke = F, fillOpacity = 0.5, clusterOptions = markerClusterOptions()) %>% addLegend(
  position = 'bottomright',
  colors = palette(),
  labels = palette(),
  opacity = 1,
  title = 'Légende')
  
rm(dataset.SPA2)

```


##Présence de données aberrantes

###Diagrammes de dispersion des valeurs observées

Les diagrammes de dispersion suivants présentent la valeur des abondances des taxons dans l'ordre à laquelle elles apparaissent dans ce fichier. Sous l'axe des X se trouve l'identifiant de la visite vis-à-vis la valeur observée correspondante, soit le nom du site d'où provient la donnée, sa date d'échantillonnage et le nombre d'échantillonnage pris pour cette donnée.

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
> 
> - *La distribution des valeurs d'abondance indique-t'elle un phénomène écologique ou un problème potentiel?*
> - *Des taxons sont-ils très rares ou au contraire très fréquents?*
> - *Un problème avec les données d'abondance est-il apparent?*


```{r, echo=FALSE, warning=FALSE}
#Diagrammes de dispersion des valeurs observées
  
dataset.BIO2 <- left_join(dataset.BIO2, dataset.NAM2[,c("rownames", "Site_Date_Number")], by = "rownames")

for(j in 2:(ncol(dataset.BIO2)-4)){
plot.ab <- ggplot(dataset.BIO2, aes(x = dataset.BIO2$Site_Date_Number, y = dataset.BIO2[,j])) +
  geom_point() +
  labs(y = "Abondance", x = "Visite") +
  theme(axis.text.x = element_text(angle = 90, vjust = -0.05)) +
   scale_x_discrete(breaks = ifelse(!is.na(dataset.BIO2[,j]), dataset.BIO2$Site_Date_Number, ""), labels = ifelse(!is.na(dataset.BIO2[,j]), dataset.BIO2$Site_Date_Number, ""), na.value = NA) +
  theme(plot.title = element_text(hjust = 0.5)) +
  ggtitle(paste("Abondance de", colnames(dataset.BIO2[j]), "par visite"))
plot.ab
print(plot.ab)
}

```

###Boîtes à moustaches de l'abondance par taxon observée et transformée

Pour chaque variable, la première boîte à moustaches (à gauche) illustre la distribution des abondances observées dans le fichier de données et la deuxième boîte à moustaches (à droite) illustre la distribution des abondances observées dans le fichier de données ayant subies une transformation logarithmique.

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
> 
> - *La position géographique des mesures est-elle juste?*
> - *Des mesures de richesse sortent-elles de l'ordinaire?*
> - *Un patron de distribution de la richesse est-il apparent?*
> - *La transformation des données améliore-t'elle la distribution des abondances?*



```{r, echo=FALSE, message=FALSE, warning=FALSE}
#Boîtes à moustaches de l'abondance par taxon observée et transformée

for(i in 1:ncol(dataset.BIO)){
box.ab.1 <- qplot(y = dataset.BIO[,i], x = "", geom = "boxplot", ylab = "Abondance") +
  theme(plot.title = element_text(hjust = 0.5)) +
  ggtitle("Données brutes")
box.ab.2 <- qplot(y = dataset.BIO[,i], x = "", geom = "boxplot", ylab = "Log(Abondance)", log = "y") +
  theme(plot.title = element_text(hjust = 0.5)) +
  ggtitle("Log")
box.ab.3 <- qplot(y = sqrt(dataset.BIO[,i]), x = "", geom = "boxplot", ylab = "Sqrt(Abondance)") +
  theme(plot.title = element_text(hjust = 0.5)) +
  ggtitle("Sqrt")

grid.arrange(box.ab.1, box.ab.2, box.ab.3, ncol = 3, top = colnames(dataset.BIO[i]))
}

```


###Identification des données aberrantes potentielles

Pour chaque variable, la première boîte à moustaches (à gauche) illustre la distribution des valeurs de variables continues observées dans le fichier de données. Le second graphique est le graphe de Cleveland qui donne plus de détails sur la distribution des valeurs observées. Les valeurs d'abondance sont présentées dans l'ordre d'apparition dans le fichier de données.

Les données présentant une identification par leur identifiant sur les diagrammes représentent les données potentiellement aberrantes contenues dans le fichier de données. L'identifiant de la visite correspond au nom du site d'où provient la donnée, sa date d'échantillonnage et le nombre d'échantillonnage pris pour cette donnée.

L'interprétation du graphe de Cleveland se fait par l'examen des points qui se trouvent aux extrémités gauche ou droite du graphique. Ces points montrent des abondances largement différentes par rapport à la majorité des observations et requierent un examen plus approfondi. Si vous concluez que ces valeurs extrèmes sont des erreurs de mesure, elles devraient être supprimées du fichier de données car elles domineront l'analyse de données. Si l'omission de ces abondances n'est pas une option, une transformation des données devrait être envisagée.

> ![ACTION:](../../../Configuration/action.png)
> *Examinez les points suivants :*
> 
> 
> - *Les points aux extrémités des boites à moustache vous semblent-ils représenter des données aberrantes?*
> - *Ces mêmes points se sont-ils isolés (à gauche ou à droite) sur le graphe de Cleveland?*


```{r, echo=FALSE, warning=FALSE}
#Identification des données aberrantes potentielles

for (j in 2:(ncol(dataset.BIO2)-4)) {
  boxplot <- ggplot(data = dataset.BIO2, aes(x = "", y = dataset.BIO2[,j])) +
    geom_boxplot() +
    ylab("Abondance") +
    xlab("") +
    theme(plot.title = element_text(hjust = 0.5)) +
    ggtitle("Boite à moustaches") +
    geom_text(aes(label = ifelse(dataset.BIO2[,j] < quantile(dataset.BIO2[,j], probs=c(.25), na.rm = T) - 1.5*IQR(dataset.BIO2[,j], na.rm = T)|dataset.BIO2[,j] > quantile(dataset.BIO2[,j], probs=c(.75), na.rm = T) + 1.5*IQR(dataset.BIO2[,j], na.rm = T), dataset.BIO2$Site_Date_Number, "")), hjust = -0.05, size = 3)

  dotchart <- ggplot(data = dataset.BIO2, aes(y = seq(dataset.BIO2[,j]), x = dataset.BIO2[,j], na.rm = T)) +
    geom_point(na.rm = T) +
    ylab("Ordre des données") +
    xlab("Abondance") +
    theme(plot.title = element_text(hjust = 0.5)) +
    ggtitle("Graphe de Cleveland") +
    geom_text(aes(label = ifelse(dataset.BIO2[,j] < quantile(dataset.BIO2[,j], probs=c(.25), na.rm = T) - 1.5*IQR(dataset.BIO2[,j], na.rm = T)|dataset.BIO2[,j] > quantile(dataset.BIO2[,j], probs=c(.75), na.rm = T) + 1.5*IQR(dataset.BIO2[,j], na.rm = T), dataset.BIO2$Site_Date_Number, "")), hjust = -0.05, nudge_y = 2, size = 3)
        
  grid.arrange(boxplot, dotchart, ncol = 2, top = colnames(dataset.BIO2[j]))
}
```

La liste suivante présente les données potentiellement aberrantes contenues dans le fichier de données pour chaque variable. Lorsque l'identifiant d'une donnée y est indiqué, cela indique que cette donnée représente une donnée potentiellement aberrante contenue dans le fichier de données. Les mentions *""* indiquent les données non aberrantes et les mentions *NA* indiquent la présence de valeurs manquantes. L'identifiant de la visite correspond au nom du site d'où provient la donnée, sa date d'échantillonnage et le nombre d'échantillonnage pris pour cette donnée.

```{r, echo=FALSE, warning=FALSE}
#Identification des données aberrantes potentielles (suite)

for (j in 2:(ncol(dataset.BIO2)-5)) {
print(colnames(dataset.BIO2[j]))
list <- list(ifelse(dataset.BIO2[,j] < quantile(dataset.BIO2[,j], probs=c(.25), na.rm = T) - 1.5*IQR(dataset.BIO2[,j], na.rm = T) | dataset.BIO2[,j] > quantile(dataset.BIO2[,j], probs=c(.75), na.rm = T) + 1.5*IQR(dataset.BIO2[,j], na.rm = T), dataset.BIO2$Site_Date_Number, ""))
slist <- unlist(list)
list2 <- list(slist[slist != ""])
print(list2)
}

```


##Présence de zéros 

###Histogramme de fréquences d'abondances

L'histogramme suivant illustre la distribution des fréquences d'abondances par taxon du fichier de données. Ce graphique permet notamment d'évaluer la quantité de valeurs d'abondances équivalentes à 0 à travers tous les taxons du fichier de données. 

```{r, echo=FALSE, warning=FALSE}
#Histogramme de fréquences d'abondances

dataset.BIO[is.na(dataset.BIO)] <- 0

count.mean <- mean(unlist(dataset.BIO))
count.sd <- sd(unlist(dataset.BIO))

count.n <- length(which(!is.na(unlist(dataset.BIO))))

count.bin <- ceiling((max(unlist(dataset.BIO))- min(unlist(dataset.BIO)))/nclass.Sturges(unlist(dataset.BIO)))

graph.count <- ggplot() +
  aes(round(unlist(dataset.BIO))) +
  geom_histogram(binwidth = count.bin, fill = I('lightblue'), color=I('black')) +
  xlab("Valeurs observées") +
  ylab("Fréquence") + 
  ggtitle("Fréquences d'abondances") +
  theme(plot.title = element_text(hjust = 0.5))

ggiraph(code = print(graph.count), zoom_max = 10, height_svg = 4)

dataset.BIO[dataset.BIO == 0] <- NA

```


###Matrice de corrélation des doubles zéros

La matrice de corrélation suivante illustre la force de corrélation qui existe entre deux taxons présentant des valeurs d'abondances équivalentes à 0 par l'intensité de la couleur. Une corrélation illustrée par la couleur blanche indique une force de corrélation qui tend vers une valeur de 0.5 et une corrélation illustrée par la couleur bleue foncée indique une force de corrélation qui tend vers une valeur de 1. Cette matrice illustre également la proportion de valeurs d'abondances à 0 que présente un taxon par rapport à toutes les valeurs d'abondances observées dans ce dernier. Seulement les taxons présents dans plus de 25% des visites y sont représentés. 

```{r, echo=FALSE, fig.height=8, fig.width=14}
#Matrice de corrélation des doubles zéros entre les taxons - taxons avec fréquence > 25%

dataset.BIO[is.na(dataset.BIO)] <- 0

#Liste des taxons
AllS <- names(dataset.BIO)

#Détermine la richesse
occurrence <- colSums(dataset.BIO[,AllS] > 0, na.rm = TRUE)

#Supprime toutes les covariables
Benthos <- dataset.BIO[,AllS]

#Afin de réduire le nombre de taxons sur la figure, nous utiliserons les taxons qui sont présents dans plus de 25% des visites.
FreqMin <- 25
Benthos25 <- Benthos[, occurrence > (ncol(Benthos)/100*FreqMin)]
rm(Benthos)
N <- ncol(Benthos25)


AllNames <- names(Benthos25)
A <- matrix(nrow = N, ncol = N)

for (i in 1:N){
  for (j in 1:N){
    A[i,j] <- sum(dataset.BIO[,AllS[i]]==0  & dataset.BIO[,AllS[j]]==0, na.rm=TRUE)
  }
}


A1 <- A/nrow(Benthos25)
#print(A1, digits = 2)
rownames(A1) <- AllNames
colnames(A1) <- AllNames

panel.corrgram.2 <- function(x, y, z, subscripts, at = pretty(z), scale = 0.8, ...)
{
    require("grid", quietly = TRUE)
    x <- as.numeric(x)[subscripts]
    y <- as.numeric(y)[subscripts]
    z <- as.numeric(z)[subscripts]
    zcol <- level.colors(z, at = at, ...)
    for (i in seq(along = z))
    {
        lims <- range(0, z[i])
        tval <- 2 * base::pi *
            seq(from = lims[1], to = lims[2], by = 0.01)
        grid.circle(x = x[i], y = y[i], r = .5 * scale,
                    default.units = "native")
        grid.polygon(x = x[i] + .5 * scale * c(0, sin(tval)),
                     y = y[i] + .5 * scale * c(0, cos(tval)),
                     default.units = "native",
                     gp = gpar(fill = zcol[i]))
    }
}

levelplot(A1,xlab=NULL,ylab=NULL,
    at=do.breaks(c(0.5,1.01),101),
    panel=panel.corrgram.2,
    scales=list(x=list(rot=90)),
    colorkey=list(space="top"),
    col.regions=colorRampPalette(c("white","blue")), 
    main = "Force de corrélation entre les variables présentant des doubles zéros")

dataset.BIO[dataset.BIO == 0] <- NA

```


##Normalité des données 

###Diagrammes Quantile-Quantile et histogrammes de fréquences

Pour chaque variable, le premier graphique (à gauche) illustre la distribution observée des valeurs par taxon par des points et la distribution normale théorique calculée à partir des paramètres de la distribution observée par une droite. Plus les valeurs observées sont positionnées sur la droite, plus celles-ci sont distribuées selon la loi normale. Le deuxième graphique (à droite) illustre par un histogramme la distribution des fréquences des valeurs observées par taxon. Il permet notamment de vérifier et valider si la distribution des données semble suivre la loi normale. Cet histogramme illustre également l'abondance moyenne par taxon par une ligne pleine ainsi que l'écart-type des abondances par taxon par deux lignes pointillées. 

```{r, echo=FALSE}
#Diagrammes Quantile-Quantile et histogrammes de fréquences

for (i in 1:ncol(dataset.BIO)){
norm.mean <- mean(which(!is.na(dataset.BIO[,i])))
norm.sd <- sd(which(!is.na(dataset.BIO[,i])))
norm.n <- length(which(!is.na(dataset.BIO[,i])))
norm.bin <- ceiling(max(which(!is.na(dataset.BIO[,i])))- min(which(!is.na(dataset.BIO[,i])))/nclass.Sturges(which(!is.na(dataset.BIO[,i]))))

par(mfrow = c(1,2), mar=c(4,4,3,1))

qqnorm(dataset.BIO[,i], main = paste("Diagramme Quantile-Quantile\nde", colnames(dataset.BIO[i])))
qqline(dataset.BIO[,i],lty = 2)

hist.ab <- hist(as.numeric(unlist(dataset.BIO[,i])), breaks = "Sturges", xlab = "Abondance", ylab = "Fréquence", main = paste("Fréquences d'abondances\nde", colnames(dataset.BIO[i])))
xfit <- seq(min(which(!is.na(dataset.BIO[,i]))), max(which(!is.na(dataset.BIO[,i]))), length=norm.n)
yfit_density <- dnorm(xfit, mean = norm.mean, sd=norm.sd)
yfit_freq <- yfit_density*diff(hist.ab$mids[1:2])*norm.n
lines(xfit, yfit_freq, col="red", lwd=1)
  abline(v = norm.mean, col = "blue") +
  abline(v = norm.mean + norm.sd, lty = 2, col = "blue") +
  abline(v = norm.mean - norm.sd, lty = 2, col = "blue")
  }

```


###Normalité des données

####Tests de normalité par taxon

Les résultats suivants présentent le résultat obtenu par un test de Snows appliqué sur chaque variable du fichier de données. Une valeur de P (p-value) inférieure à 0.05 indique qu'il n'est pas possible de supposer que la distribution des données suit la loi normale avec une probabilité de 95%. 

```{r, echo=FALSE, warning=FALSE}
#Tests de normalité de Snows par variable 

apply(dataset.BIO, 2, SnowsPenultimateNormalityTest)

```


####Occurence en taxons

Dans combien de sites chaque taxon est-il présent? 

La liste qui suit montre en ordre croissant l'occurence des taxons dans le jeu de données.

Par la suite, deux graphiques sont proposés. Le premier graphique (à gauche) illustre la distribution des fréquences des valeurs d'occurrence en taxons. Le deuxième graphique (à droite) montre la distribution des fréquences des valeurs calculées d'occurrence en taxons à partir du fichier de données ayant subies une transformation logarithmique. Cet histogramme illustre également l'occurrence moyenne par taxon par une ligne pleine ainsi que l'écart-type des occurrences par taxon par deux lignes pointillées. 

Un examen de ces deux graphiques permet notamment de vérifier si la distribution des données semble suivre la loi normale. Si la distribution des données sur le deuxième graphique semble ressembler davantage à une distribution normale, une transformation logarithmique des données pourrait être nécessaire. 

```{r, echo=FALSE, warning=FALSE}
#Histogrammes de l'occurrence en taxons

spe.pres <- apply(dataset.BIO > 0, 2, sum, na.rm = TRUE)
spe.pres
print("Ordre croissant des occurrences en taxons")
sort(spe.pres)
spe.pres.mean <- mean(spe.pres, na.rm = T)
spe.pres.sd <- sd(spe.pres, na.rm = T)

pres.n <- length(which(!is.na(spe.pres)))

pres.bin <- ceiling((max(spe.pres)- min(spe.pres))/nclass.Sturges(spe.pres))

graph.pres1 <- qplot(spe.pres,
      geom = "histogram",
      binwidth = pres.bin,
      xlab = "Occurrence",
      ylab = "Nombre de taxons",
      main = "Occurrences en taxons",
      fill = I('lightsteelblue1'),
      color = I('black')) + 
  geom_vline(xintercept = spe.pres.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(spe.pres.mean + spe.pres.sd, spe.pres.mean - spe.pres.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = spe.pres.mean, sd = spe.pres.sd, n = pres.n, bw = pres.bin),
    lwd = 1,
    col = 'red')

graph.pres2 <- qplot(spe.pres,
      geom = "histogram",
      binwidth = pres.bin,
      xlab = "Occurrence",
      ylab = "Log(Nombre de taxons)",
      main = "Occurrences en taxons",
      fill = I('lightsteelblue1'),
      color = I('black'),
      log = 'y') + 
  geom_vline(xintercept = spe.pres.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(spe.pres.mean + spe.pres.sd, spe.pres.mean - spe.pres.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = spe.pres.mean, sd = spe.pres.sd, n = pres.n, bw = pres.bin),
    lwd = 1,
    col = 'red')

grid.arrange(graph.pres1, graph.pres2, ncol = 2)

```


Les graphiques suivants sont similaires aux précédents mais pour les fréquences relatives. 

```{r, echo=FALSE, warning=FALSE}
#Histogrammes de fréquences relatives en taxons

spe.relf <- 100*spe.pres/nrow(dataset.BIO)
spe.relf
print("Ordre croissant des fréquences relatives en taxons")
round(sort(spe.relf), 1)
spe.relf.mean <- mean(spe.relf)
spe.relf.sd <- sd(spe.relf)

relf.n <- length(which(!is.na(spe.relf)))

relf.bin <- ceiling((max(spe.relf)- min(spe.relf))/nclass.Sturges(spe.relf))

graph.relf1 <- qplot(spe.relf,
      geom = "histogram",
      binwidth = relf.bin,
      xlab = "Fréquence d'occurrence (%)",
      ylab = "Nombre de taxons",
      main = "Fréquences relatives en taxons",
      fill = I('lightsteelblue1'),
      color = I('black')) + 
  geom_vline(xintercept = spe.relf.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(spe.relf.mean + spe.relf.sd, spe.relf.mean - spe.relf.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = spe.pres.mean, sd = spe.pres.sd, n = relf.n, bw = relf.bin),
    lwd = 1,
    col = 'red')

graph.relf2 <- qplot(spe.relf,
      geom = "histogram",
      binwidth = relf.bin,
      xlab = "Fréquence d'occurrence (%)",
      ylab = "Log(Nombre de taxons)",
      main = "Fréquences relatives en taxons (log)",
      fill = I('lightsteelblue1'),
      color = I('black'),
      log = "y") + 
  geom_vline(xintercept = spe.relf.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(spe.relf.mean + spe.relf.sd, spe.relf.mean - spe.relf.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = spe.pres.mean, sd = spe.pres.sd, n = relf.n, bw = relf.bin),
    lwd = 1,
    col = 'red')

grid.arrange(graph.relf1, graph.relf2, ncol = 2)

```


####Boîtes à moustaches d'occurrences en taxons

La première boîte à moustaches (à gauche) illustre la distribution des occurrences calculées à partir du fichier de données et la deuxième boîte à moustaches (à droite) illustre la distribution des occurrences calculées à partir du fichier de données ayant subies une transformation logarithmique.

```{r, echo=FALSE}
#Boîtes à moustaches d'occurrences en taxons

box.pres1 <- qplot(y = spe.pres, x = "", geom = "boxplot", ylab = "Occurrence", main = "Distribution des occurrences en taxons") + 
  theme(plot.title = element_text(hjust = 0.5))
box.pres2 <- qplot(y = spe.pres, x = "", geom = "boxplot", ylab = "Log(Occurrence)", main = "Distribution des occurrences en taxons", log = "y") + 
  theme(plot.title = element_text(hjust = 0.5))

grid.arrange(box.pres1, box.pres2, ncol = 2)

```

Les graphiques suivants sont similaires aux précédents mais pour les fréquences relatives

```{r, echo=FALSE}
#Boîtes à moustaches de fréquences relatives en taxons

box.relf1 <- qplot(y = spe.relf, x = "", geom = "boxplot", ylab = "Fréquence d'occurrence (%)", main = "Distribution des fréquences\nrelatives en taxons") + 
  theme(plot.title = element_text(hjust = 0.5))
box.relf2 <- qplot(y = spe.relf, x = "", geom = "boxplot", ylab = "Log(Fréquence d'occurrence (%))", main = "Distribution des fréquences\nrelatives en taxons", log = "y") + 
  theme(plot.title = element_text(hjust = 0.5))

grid.arrange(box.relf1, box.relf2, ncol = 2)

```


##Indépendance des taxons

###Matrice de corrélation entre les taxons

La matrice de corrélation suivante illustre la relation qui existe entre deux taxons par la présence d'une courbe. Elle permet notamment de vérifier et valider la présence de corrélation entre des taxons. Seulement les taxons présents dans plus de 25% des visites y sont représentés. 

```{r, echo=FALSE}
#Matrice de corrélation entre les variables - taxons avec fréquence > 25%

PlotMatrix(Benthos25, panel = panel.smooth)

```


###Matrice de corrélation de Pearson globale

La matrice de corrélation suivante illustre la force de corrélation qui existe entre deux taxons par l'intensité de la couleur. Une corrélation illustrée par la couleur blanche indique une force de corrélation qui tend vers une valeur de 0 et une corrélation illustrée par la couleur bleue foncée indique une force de corrélation qui tend vers une valeur de 1. Les valeurs de corrélation de Pearson entre les taxons y sont indiquées dans la portion inférieure gauche de la figure. Cette matrice illustre également la proportion de valeurs d'abondances non égales à 0 que présente un taxon par rapport à toutes les valeurs d'abondances observées dans ce dernier. Seulement les taxons présents dans plus de 25% des visites y sont représentés. 

```{r, echo=FALSE}
#Matrice de corrélation de Pearson globale - taxons avec fréquence > 25%

corrgram(Benthos25, order = FALSE, lower.panel = panel.cor, upper.panel = panel.pie, text.panel = panel.txt, main=paste("Covariance de l'occurrence des taxons - taxons avec fréquence >", FreqMin, "%"))

```



###Abondance des taxons dans le temps

Il peut être intéressant d'examiner l'évalution de l'abondance des taxons dans le temps afin d'observer des dynamiques ou des changements abrutes.

Pour chaque taxon, le premier graphique (en haut à gauche) illustre la valeur d'abondance des données selon leur année d'échantillonnage. Le deuxième graphique (en haut à droite) illustre les tendances observées de variations des abondances en individus dans le temps. Le troisième graphique (en bas à gauche) illustre les prévisions futures de variations des abondances en individus dans le temps. Sur ce graphique la ligne bleue correspond à la tendance attendue moyenne de variations dans le temps, la zone grise foncée correspond à un intervalle de confiance de 80% et la zone grise pâle correspond à un intervalle de confiance de 95%. Le quatrième graphique (en bas à droite) illustre l'autocorrélation de séries temporelles (ACF). Une valeur d'autocorrélation  supérieure à l'intervalle de confiance de 95% illustrée par la ligne pointillée indique une possible dépendance entre la variable et la période de l'année (temps). Par exemple, une certaine valeur d'abondance d'un taxon observée lors d'une année précise pourrait être expliquée par un certain événement datant d'une année antérieure (décalage dans le temps en années). Il est à noter que l'autocorrélation au temps de décalage 0 est, par définition, égale à 1.

```{r, echo=FALSE}
#Indépendance temporelle des taxons

dataset.BIO2 <- left_join(dataset.BIO2, dataset.NAM2[,c("rownames", "SampleDate")], by = "rownames")

dataset.BIO2[is.na(dataset.BIO2)] <- 0

for(i in 2:(ncol(dataset.BIO2)-5)){
  par(mfrow = c(2, 2), mar = c(4,4,4,1))
  graph.time <- plot(dataset.BIO2$SampleDate, dataset.BIO2[,i], xlab = "Année", ylab = "Abondance", main = paste("Abondance temporelle de\n", colnames(dataset.BIO2[i])))

  graph.time2 <- ts(dataset.BIO2[,i], frequency = 12, start = c(2005-01-01), end = c(2016-01-01))
  plot(graph.time2, xlab = "Année", ylab = "Abondance", main = paste("Prévision de l'abondance de\n", colnames(dataset.BIO2[i])))

  auto.arima <- auto.arima(graph.time2)
  graph.auto.arima <- plot(forecast(auto.arima, h = 120))
  
  graph.lag <- acf(graph.time2, xlab = "Décalage (années)", ylab = "Abondance", main = paste("ACF de", colnames(dataset.BIO2[i])), ylim = c(0, 1))
}

dataset.BIO2[dataset.BIO2 == 0] <- NA

```

Les résultats suivants présentent le calcul du test de la statistique de Box-Ljung appliqué sur chaque taxon et sont complémentaires aux résultats illustrés par les graphiques précédents. Une valeur de P (p-value) inférieure à 0.05 indique que les valeurs résiduelles d'une variable dépendent de la période de l'année (temps).

```{r, echo=FALSE}
#Indépendance temporelle des taxons (suite)

dataset.BIO2[is.na(dataset.BIO2)] <- 0

for(i in 2:(ncol(dataset.BIO2)-5)){
  graph.time2 <- ts(dataset.BIO2[,i], frequency = 12, start = c(2005-01-01), end = c(2016-01-01))
  auto.arima <- auto.arima(graph.time2)
  box <- lapply(1:20, function(j) Box.test (resid(auto.arima), lag = j, type="Ljung"))
  print(paste(colnames(dataset.BIO2[i])))  
  print(box)
}

dataset.BIO2[dataset.BIO2 == 0] <- NA

```


###Corrélation spatiale des taxons

Les résultats suivants présentent les résultats d'autocorrélation spatiale appliquée sur chaque variable. Une valeur de P (p-value) inférieure à 0.05 permet de supposer que la distribution spatiale des valeurs font l'objet d'une agrégation spatiale non aléatoire. Lorsque la valeur de P (p-value) est inférieure à 0.05, un indice de Moran (I de Moran I) positif indique que les valeurs sont aggrégés entre elles tandis qu'un indice de Moran négatif indique que les valeurs sont dispersées entre elles. 

```{r, echo=FALSE}
##Indépendance spatiale des taxons

dataset.BIO2[is.na(dataset.BIO2)] <- 0

bio.dists <- as.matrix(dist(cbind(dataset.BIO2$Latitude, dataset.BIO2$Longitude)))
bio.dists.inv <- 1/bio.dists
diag(bio.dists.inv) <- 0
bio.dists.inv[is.infinite(bio.dists.inv)] <- 0
lw <- mat2listw(bio.dists.inv)
lwW <- nb2listw(lw$neighbours, glist=lw$weights, style="W")

for(j in 2:(ncol(dataset.BIO2)-5)){
print(paste(colnames(dataset.BIO2[j])))
moran.test <- moran.test(dataset.BIO2[,j], lwW, alternative="two.sided") 
print(moran.test)
}

dataset.BIO2[dataset.BIO2 == 0] <- NA

```


##Diversité

###Tableau des indices de diversité en taxons

Le tableau suivant présente le calcul de plusieurs indices de diversité en taxons calculés pour chaque visite. 

```{r, echo=FALSE}
#Tableau des indices de diversité en taxons

#Richesse en taxons
N0 <- rowSums(dataset.BIO > 0, na.rm = TRUE)

#Entropie de Shannon
dataset.BIO[is.na(dataset.BIO)] <- 0
H <- diversity(dataset.BIO)

#Diversité de Shannon (nombre de taxons abondants effectif)
N1 <- exp(H)

#Diversité de Simpson (nombre de taxons dominants effectif)
N2 <- diversity(dataset.BIO, "inv")

#Régularité de Pielou
J <- H/log(N0)

#Indice de régularité de Shannon (Hill's ratio)
E10 <- N1/N0

#Indice de régularité de Simpson (Hill's ratio)
E20 <- N2/N0

#Tableau de la diversité en taxons
#(div <- data.frame(N0, H, N1, N2, E10, E20, J))
dataset.BIO[dataset.BIO == 0] <- NA

div <- data.frame(N0, H, N1, N2, J, E10, E20)
div <- rownames_to_column(div, var = "rownames")
div <- left_join(div, dataset.NAM2[,c("rownames", "Site_Date_Number")], by = "rownames")
div$rownames <- NULL

{div <- div[, c(8,1,2,3,4,5,6,7)]
#div
names(div)[1] <- "Site_Date_Nb d'échant."
names(div)[2] <- "Richesse en taxons"
names(div)[3] <- "Entropie de Shannon"
names(div)[4] <- "Diversité de Shannon"
names(div)[5] <- "Diversité de Simpson"
names(div)[6] <- "Régularité de Pielou"
names(div)[7] <- "Indice de Shannon"
names(div)[8] <- "Indice de Simpson"
}

formattable(div, digits = 3, align = "c")

rm(dataset.NAM2)
```


###Histogrammes de l'occurrence de la diversité


```{r, echo=FALSE}
#Histogrammes de l'occurrence de la diversité de Shannon

#N1
#print("Ordre croissant des occurrences de la diversité de Shannon")
#round(sort(N1), 1)
N1.mean <- mean(N1)
N1.sd <- sd(N1)

N1.n <- length(which(!is.na(N1)))

N1.bin <- ceiling((max(N1)- min(N1))/nclass.Sturges(N1))

graph.N1.1 <- qplot(N1,
      geom = "histogram",
      binwidth = N1.bin,
      xlab = "Diversité de Shannon",
      ylab = "Occurrence",
      main = "Occurrences de la diversité de \nShannon",
      fill = I('lightsteelblue1'),
      color = I('black')) + 
  geom_vline(xintercept = N1.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(N1.mean + N1.sd, N1.mean - N1.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = N1.mean, sd = N1.sd, n = N1.n, bw = N1.bin),
    lwd = 1,
    col = 'red')

graph.N1.2 <- qplot(N1,
      geom = "histogram",
      binwidth = N1.bin,
      xlab = "Diversité de Shannon",
      ylab = "Log(Occurrence)",
      main = "Occurrences de la diversité de \nShannon",
      fill = I('lightsteelblue1'),
      color = I('black'),
      log = "y") + 
  geom_vline(xintercept = N1.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(N1.mean + N1.sd, N1.mean - N1.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = N1.mean, sd = N1.sd, n = N1.n, bw = N1.bin),
    lwd = 1,
    col = 'red')

grid.arrange(graph.N1.1, graph.N1.2, ncol = 2)


#Histogrammes de l'occurrence de la diversité de Simpson

#N2
#print("Ordre croissant des occurrences de la diversité de Simpson")
#round(sort(N2), 1)
N2.mean <- mean(N2)
N2.sd <- sd(N2)

N2.n <- length(which(!is.na(N2)))

N2.bin <- ceiling((max(N2)- min(N2))/nclass.Sturges(N2))

graph.N2.1 <- qplot(N2,
      geom = "histogram",
      binwidth = N2.bin,
      xlab = "Diversité de Simpson",
      ylab = "Occurrence",
      main = "Occurrences de la diversité de \nSimpson",
      fill = I('lightsteelblue1'),
      color = I('black')) + 
  geom_vline(xintercept = N2.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(N2.mean + N2.sd, N2.mean - N2.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = N2.mean, sd = N2.sd, n = N2.n, bw = N2.bin),
    lwd = 1,
    col = 'red')

graph.N2.2 <- qplot(N2,
      geom = "histogram",
      binwidth = N2.bin,
      xlab = "Diversité de Simpson",
      ylab = "Log(Occurrence)",
      main = "Occurrences de la diversité de \nSimpson",
      fill = I('lightsteelblue1'),
      color = I('black'),
      log = "y") + 
  geom_vline(xintercept = N2.mean,
              color = 'blue3', size = 1) +
  geom_vline(xintercept = c(N2.mean + N2.sd, N2.mean - N2.sd),
             color = 'blue3', 
             size = 1,
             linetype = 2) +
  theme(plot.title = element_text(hjust = 0.5)) +
  stat_function(fun = function(x, mean, sd, n, bw){
    n * bw * dnorm(x = x, mean = mean, sd = sd)},
    args = list(mean = N2.mean, sd = N2.sd, n = N2.n, bw = N2.bin),
    lwd = 1,
    col = 'red')

grid.arrange(graph.N2.1, graph.N2.2, ncol = 2)

```



##Notes sur les versions
**Quoi de nouveau, mis à jour ou corrigé dans cette version**

***
![ACTION:](../../../Configuration/logo_new.png) Nouveau &nbsp;&nbsp;&nbsp;   ![ACTION:](../../../Configuration/logo_updated.png) Mise à jour &nbsp;&nbsp;&nbsp;  ![ACTION:](../../../Configuration/logo_fixed.png) Corrigé

***

**RCBA_vv_biologique.Rmd Version 1.1 — 14 février 2017**

![ACTION:](../../../Configuration/logo_new.png)   **Mise à jour** --- Réduire le nombre de procédures et modifier leur organisation.

**RCBA_vv_biologique.Rmd Version 1.0 — 18 août 2017**

![ACTION:](../../../Configuration/logo_new.png)   **Première version**.


***

Développé par [Martin Jean](mailto:martin.jean@canada.ca) et Evelyne Paquette-Boisclair


